台股與美股財經資料庫

FinLab 資料庫把台股與美股的價格、月營收、財務報表、財務比率、估值、籌碼與總體經濟，整合成同一套以日期為列、股票代號為欄的資料結構。簡單說，它是一個讓你「用一行程式就能取出任何一個數字、而且每張表格式都一樣」的量化選股與回測資料源。對想自己驗證選股想法的人來說，真正花時間的環節往往是把散在各處、格式各異的台股資料清乾淨，這個資料庫先把這件耗時的事做完了，讓你能把心力放在策略本身。

這個資料庫裡面有什麼

可以把它想成一座已經分門別類、貼好標籤的資料倉庫。常用的有幾大類：每日的開高低收與成交量、上市櫃公司每月公布的營收、逐季的財務報表（每股盈餘、營收、營業利益、淨利）、由報表換算出來的財務比率（ROE、毛利率、負債比率等）、估值指標（本益比、殖利率、股價淨值比）、三大法人與融資融券的籌碼數據，以及台灣製造業 PMI 這類總體經濟指標。每一項都是一張完整的歷史表格，不是單一數字快照，所以你能看的是「這個指標十幾年來怎麼變化」，而不只是今天多少。

資料長什麼樣子、可不可信

最直接的方式是看一張真實的圖。下面是台積電 (2330) 收盤價的走勢，整張圖的每一點都直接來自資料庫，沒有經過任何加工。

你看到的就是一條隨時間延伸的價格線。把同一份資料拉出最近幾筆，會長這樣（截至 2026-06-24）：

判讀的重點很單純：左邊是日期、右邊是當天的數值，圖只是把這一整欄的數字連成線。資料可不可信，看的就是它能不能還原成這種「每一列都對得上一個交易日」的乾淨表格，而價格、月營收、財報這些欄位都是這個樣子，方便你逐筆對照，也方便程式直接運算。

用之前先避開兩個資料陷阱

整合資料的方便，反而容易讓人忽略時間維度，這是新手最常踩的兩個坑。

第一個是公布日對齊。財報科目的所屬季度，和它真正能被市場看到的日期往往相差一段時間，月營收也要等次月上旬才公布上月數字。如果回測時把「所屬期間」當成「可用日期」，等於提前知道當時還沒揭露的資訊，績效會被嚴重高估，這就是前視偏差。FinLab 已依公布日對齊，但自己併入外部資料時務必檢查這一點。

第二個是還原股價。價格回測要用還原股價，否則除權息當天的價格跳空會被誤判成下跌，把正常配息算成虧損。這兩個陷阱背後的完整邏輯，可以延伸閱讀 回測限制與陷阱完整指南。

怎麼用這些資料選股與回測

實務上的流程是：先用 data.get 取出你關心的欄位，例如 ROE 與負債比率，用條件式組成選股規則（像是「ROE 高、負債比率低」），再把這個規則接上回測引擎，看它在過去十幾年的表現。因為每張表都是同一種格式，加減乘除與條件判斷會自動依日期和股票代號對齊，你不必煩惱不同來源的格式對不齊。

想看完整、可重現的範例，可以從 Python 量化交易教學 跑出你的第一個台股回測，了解資料如何一路串到績效。自動化下單與程式流程可以讀 程式交易是什麼，選股因子的設計則可以讀 台股選股方法完整指南。各項比率與估值指標的精確定義，都整理在 量化交易詞彙表，背後的方法論則收在 量化交易總覽。

怎麼自己取得這份資料

裝好套件、在程式裡登入之後，任何一個欄位都只要一行就能取出：

from finlab import data
 
finlab.login()
close = data.get("price:收盤價")
s = close["2330"].dropna()
s.plot()

取回來的 close 以日期為列、股票代號為欄，可以直接畫圖、篩選或丟進回測。不會寫程式也沒關係，這個頁面下方可以把這件事直接交給 AI，由它幫你裝好環境、登入並跑出第一張圖。